MétaCan
Menu
Retour à la cohorte
Enregistrement W3161740111 · doi:10.2196/24449

Mobile Game Design Guide to Improve Gaming Experience for the Middle-Aged and Older Adult Population: User-Centered Design Approach

2021· article· en· W3161740111 sur OpenAlexvenueno aff
Seyeon Lee, Hyunyoung Oh, Chung‐Kon Shi, Young Yim Doh

Notice bibliographique

RevueJMIR Serious Games · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocioemotional selectivity theoryPsychologyGame designCognitionPopulationPerspective (graphical)GerontologyApplied psychologyMultimediaDevelopmental psychologyComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The number of older adult gamers who play mobile games is growing worldwide. Earlier studies have reported that digital games provide cognitive, physical, and socioemotional benefits for older adults. However, current mobile games that understand older adults' gameplay experience and reflect their needs are very scarce. Furthermore, studies that have analyzed older adults' game experience in a holistic manner are rare. OBJECTIVE: The purpose of this study was to suggest mobile game design guidelines for adults older than 50 years from a holistic gaming experience perspective. Adopting a human-centric approach, this study analyzes middle-aged and older adults' gameplay experience and suggests practical design guides to increase accessibility and satisfaction. METHODS: We organized a living laboratory project called the "Intergenerational Play Workshop." In this workshop, 40 middle-aged and older adults (mean age 66.75 years, age range 50-85 years) played commercial mobile games of various genres with young adult partners for 1 month (8 sessions). Using a convergent parallel mixed-method design, we conducted a qualitative analysis of dialogue, game diaries, and behavioral observations during the workshop and a quantitative analysis of the satisfaction level of the game elements for the mobile games that they played. RESULTS: This project was active from April 2019 to December 2021, and the data were collected at the workshops from July 1 to August 28, 2019. Based on the identified themes of positive and negative experiences from the qualitative data, we proposed 45 design guides under 3 categories: (1) cognitive and physical elements, (2) psychological and socioemotional elements, and (3) consumption contextual elements. Our empirical research could reaffirm the proposals from previous studies and provide new guidelines for improving the game design. In addition, we demonstrate how existing commercial games can be evaluated quantitatively by using the satisfaction level of each game's elements and overall satisfaction level. CONCLUSIONS: The final guidelines were presented to game designers to easily find related information and enhance the overall understanding of the game experience of middle-aged and older adults.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,290
Score d'incertitude au seuil0,862

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,317
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetTechnology Use by Older AdultsTravaux en français237 207